股票是一种高风险、高收益的常见理财产品,为了更好的进行股票投资分析,获得有效的选股方案,提出了一种预测股票走势的模型,并将改进的模型加以运用,构建出股票走势预测系统,使投资者根据该系统的股票推荐结果和股票预测结果进行相对正确的投资决策,从而有效的降低投资风险,获得高额稳定投资收益。与现有的股票走势预测模型相比,改进模型结合股价走势、新闻信息和投资者情绪进行预测,不但利用了股票市场中的交易数据,同时考虑到财经、政治新闻以及股票论坛言论对于股票市场的影响。首先对股票论坛言论进行情感分类,提出一种以朴素贝叶斯为基础的股票论坛言论模型,实验证实,利用朴素贝叶斯分类器时分类效果较好,可以较为准确的获得投资者情绪,为整个股票走势预测模型的建立奠定了基础。其次在原始的LSTM基础之上,本模型由BiLSTM和CLSTM混合构建,BiLSTM提取股票交易数据以及投资者情绪指数相关特征,CLSTM对新闻的语境特征进行整合和处理,最终通过全连接层输出预测结果。在实验模型中,对股票走势采用分类方法进行实验,得到分类为股票上升的概率和股票下降的概率。实验使用沪深300股数据作为数据集合。通过准确率和收益率进行预测效果评估,实验结果表明,相较于单一的LSTM预测模型,提出的方法在股票走势预测的准确率上有了一定的提升,在一定程度上能够准确有效的对股票走势进行预测。同时,设计并实现了深度神经网络的股票走势预测系统,将训练好的预测模型上传到股票预测模块中。通过对股票走势预测系统的需求分析和各个功能模块设计,经过开发、测试等环节,完成了整个股票走势预测系统。投资者可以借助该系统进行股票选择与投资。